Apresentação do grupo Clusters, da matéria de Fundamentos da computação da Universidade Federal de Sergipe.

1. CLUSTERS
Integrantes: Anndrey Franca, Wolney Luiz, Gabriel Mota e Wallas Lima.
GT3 :: DADOS E INFORMAÇÃO
- Noções de Algoritmos, Projetos de algoritmos e Estruturas de dados;
- Introdução à Lógica de Programação;
- Big Data: Recuperação de Informação via Captura, Armazenamento, Análise, Compartilhamento e Visualização de Dados;

2. Lógica de Programação

3. Lógica de Programação
• É a técnica de criar sequências de instruções utilizando lógica
matemática para atingir determinados objetivos.
• Problema -> Raciocínio -> Algoritmo -> Linguagem de
Programação

4. Linguagens de Programação
• É um método padronizado para comunicar instruções para um
computador.
• Primeiro trabalho de linguagem de programação foi criado por Ada
Lovelace entre 1842 e 1843.
• Década de 40, após a criação dos primeiros computadores elétricos
reconhecidamente modernos.
• Programadores eram forçados a escrever em linguagem de máquina.

5. • Década de 40 – Plankalkul.
• Décadas de 50 e 60 – FORTRAN, LISP, COBOL, ALGOL 60.
• Década de 70 – C, Smaltalk, Pascal.
• Década de 80 – Ada, C++.
• Década de 90 – Haskell, Python, Java, C#.

6. Algoritmos
• O que é um algoritmo
• Qual a sua utilidade
• Como podem ser
representados

7. Máquina de Turing

8. Tipos de algoritmos
• Descrição narrativa
• Português estruturado
• Fluxograma

9. Descrição narrativa
Receita de bolo:
1. Misture os ingredientes
2. Unte a forma com manteiga
3. Despeje a mistura numa forma
4. Se houver coco ralado então despeje
sobre a mistura
5. Leve a forma ao forno
6. Enquanto não corar deixe a forma no
forno
7. Retire do forno
8. Deixe arrefecer
Tomar banho:
1. Entrar na casa de banho e tirar a roupa
2. Abrir a torneira do chuveiro
3. Entrar na água
4. Ensaboar-se
5. Fechar a torneira
6. Sair da água
7. Enxugar-se
8. Vestir-se

10. Português estruturado
algoritmo calculo_media;
var n1, n2, media: real;
início
leia (n1, n2);
media ← (n1 + n2) / 2;
se media >= 7 então
escreva (“Aprovado”);
senão
escreva (“Reprovado”);
fim se
fim

11. Fluxograma

12. Técnicas de Projeto de Algoritmos
• Indução matemática
• Tentativa e erro
• Divisão e conquista

13. Indução matemática

14. Tentativa e erro

15. Divisão e conquista

16. Estruturas de dados
• Organização para otimizar
• Abstração de dados
• Vetores e matrizes

18. Objetivo

19. Previsão Através da Análise de Dados

20. Coleta de Informações

21. Big Data
• Captura de Informação
• Armazenamento dos Dados
• Análise desses Dados

22. Captura de Informação
• Grandes quantidades de
dados produzidos por
bancos, operadoras de
telefonia, companhias
aéreas.
• Nós compartilhamos
milhares de informações
diariamente.
• Órgãos de defesa de
diversos países, já fazem o
rastreamento de dados de
redes sociais em busca de
possíveis ameaças.

23. Compartilhamento de Informação
• Hoje, são enviadas cerca de
300 milhões de fotos para o
Facebook diariamente.
• De acordo com as fotos que
postamos e o que curtimos
é possível traçar um perfil
até da nossa personalidade.
• É com essa análise de dados
que as empresas, por
exemplo, conseguem exibir
anúncios de produtos que
mais se adequem a cada um
de nós.

24. Armazenamento do Dados
• Nos últimos anos, os mais
de 1 Bilhão de usuários do
Facebook já produziram
mais de 300 Petabytes de
dados.
• O Google processa por dia,
incríveis 20 PETABYTES de
dados.

25. Análise dos Dados
• Segundo o artigo “Twitter mood predicts the stock market”, através da análise de tweets
(positivos ou negativos) relacionados a uma empresa, era possível prever uma elevação ou
uma queda de suas ações na bolsa de valores.

26. Big Data Na Prática

27. Os Três Atributos do Big Data
(Os três Vs)
• Volume;
• Variedade;
• Velocidade.

28. VOLUME
• A quantidade de informações circulando no mundo dobra a
cada 1 ano e 2 meses;
• Estimasse que mas de 5 bilhões de pessoas possuem celular;
• Os mais de 1 bilhão de usuários do facebook já produziram
mais de 300 petabytes de dados.
(programa Ciência e Tecnologia – Globo News)
(Canal Nerdologia – Youtube)

31. VARIEDADE
• Capacidade de processar dados estruturados e não
estruturados.

32. • Estimasse que 80% dos dados encontrados na internet não são
estruturados;
• Fontes de dados para podem ser banco de dados, internet,
mensagens sms, vídeos, sensores dos mais diferentes tipos,
GPS...
(http://computerworld.com.br/tecnologia/2012/09/04/big-data-merece-atencao-da-ti/)

33. VELOCIDADE
• A velocidade na analise de dados torna o big data útil em
esportes, antiterrorismo em catástrofes naturais. Em casos
como esses é imprescindível obter informações durante ou até
mesmo antes dos acontecimentos.

34. Onde o Big Data Está???

35. http://exame.abril.com.br/tecnologia/noticias/big-data-ajudara-fazendeiros-americanos-na-previsao-do-tempo
Exemplo da Aplicação de Big Data em
Previsões Climáticas
Pesquisadores do Departamento de Agricultura dos EUA, aliados à Universidade da
Geórgia e à IBM, estão utilizando ferramentas de big data para ajudar fazendeiros do
sudoeste do estado norte-americano.

36. Big Data Na Descoberta do Pré-Sal
“A descoberta do pré-sal só foi possível por causa do Big Data”
(Karin Breitman, diretora do Centro de Pesquisa e
Desenvolvimento de Big Data da EMC)
https://gestao.consegi.serpro.gov.br/sala_imprensa/sugestoes-de-entrevistas/big-data-e-indispensavel-ao-pre-sal

37. Esportes
O Homem Que Mudou o Jogo
Billy Beane, gerente geral do time
de basebol do Oakland Athletics
usando big data formou com
pouco dinheiro um bom elenco
para a temporada 2002 da liga
americana de basebol. O uso da
tecnologia despertou criticas e
desagradou inclusive ao técnico do
time porém os resultados vieram e
entre eles o recorde de 20 vitórias
seguidas na liga americana.

38. Mundial 2014

39. FUTURO

40. No Fórum Econômico Mundial em Davos, big
data foi aceita como a única inovação
tecnológica apresentada, capaz de combater a
crise econômica.

41. O fim da privacidade?

42. Big data não é panaceia de TI
(Fabio Gandour - cientista chefe da IBM Brasil)